大数据时代量化投资人才培养研究

时间:2022-09-17 03:59:46

大数据时代量化投资人才培养研究

摘要:大数据时代给量化投资人才培养带来了机遇与挑战,高校应契合投资人才“工科化”趋势,创新优化人才培养方案。本文通过结合不同时代对人才培养的需求重点分析大数据时代量化投资人才的需求特征,探讨当前高校投资人才培养模式中的问题和不足,结合安徽财经大学量化投资人才培养实践经验及结果,提出创新相应培养模式的可能方法。在新的时代背景之下,高校应勇于创新和探索,培养出具有扎实理论基础和创新思维能力的高素质量化投资人才。

关键词:大数据时代;人才培养;量化投资;培养模式

优化大数据正在开启一次重大的时代转型,互联网的普及和云计算技术的应用引领人们进入了大数据时代。大数据具有数量多(Volume)、变化速度快(Velocity)、来源多样(Variety)、数据真实(Veracity)四个特点,与传统的数据整理、分析和运用方式不同,大数据的数据规模更大、更多样;与网络对接更及时有效;分析方式综合性更高,结论全面性更强,跨界、跨行业的特性突出。哈佛大学社会学教授加里•金说:“这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论是学术界、商界还是政府,所有领域都将开始这种进程”。大数据时代的海量信息和数据对人类驾驭数据和管理数据的能力提出了新的挑战,也对人才应该具备的素质提出了更高的要求。但当前高校投资人才的培养存在重理论轻实务、重专业能力轻综合素质、重学科边界轻跨界融合的特征,存在实际操作能力不强、发展后劲不足、多学科解决问题的能力缺失等问题。随着大数据时代的来临,传统投资人才的素质内涵已经不能满足量化投资对投资人才的需要。新的市场需求下,投资人才必须兼重理论与实务,精通专业知识的同时注重综合素质的提升,具备“跨界思维”、数据管理和处理能力、数据挖掘能力等。只有将传统素质需求2与新的素质需求有机结起来,才能培养出适合市场需要的新型量化投资人才。

一、文献综述

大数据时代背景下,伴随着我国高等教育体制改革的不断深化,投资人才以量化能力和创新精神为重点的素质教育目标越发彰显其重要性。尤其是应用型的投资学专业人才培养[1],对提升学生量化能力的要求更高。但当前我国高等院校在量化投资人才培养体系的构建上仍存在诸多不完善之处,肖纯凌(2009)认为目前我国高校投资人才培养过程中存在“五重五轻”现象[2],即:重视考察理论、知识、统一要求、智力因素、基础知识,轻于培养实践、能力、个性发展、非智力因素、创新思维等。大数据时代,金融业发生了深刻的变化,传统的投资人才培荞方式面临着巨大的挑战[3],而目前我国投资人才培养中存在知识面狭窄、课程设置缺乏贯通性、重理论轻实务、科研与教学相脱节、量化能力严重滞后、投资道德教育缺失等问题[13]。基于大数据时代量化投资的人才需求,应树立“跨界思维”[4]培养理念、合理设置专业课程、推进教学与考试改革、促进教学和科研相结合、加强投资道德教育等措施,以期从根本上提升金融人才的素质(黄宝菊和马欣,2015)。而何奎[5](2016)认为,大数据时代,投资人才培养应结合投资学本科人才培养体系的基本内涵及构建的基本原则,从人才培养体系结构和课程教学内容的优化两方而提高人才培养质量,特别从理论教学、通识教育教学及实践教学体系三方面完善投资人才培养体系。庞加兰(2016)认为大数据时代必将给传统的高等教育和学习模式带来深刻影响,目前国内大学的投资学教育水平与当代信息技术以及金融市场层出不穷的创新相比,还有明显的差距[7]。投资专业需要顺应经济全球化、金融信息化的潮流,充分利用大数据平台的信息优势和技术支撑,对投资人才培养过程中的课程设置、教学模式等进行及时调整,在投资专业课程设置、教学方法改进、教学资源优化、实践教学强化、师资队伍建设等方面积极进行改革创新,积极探索应用型投资专业人才[8]的培养思路和完善的人才培养计划[9]。孟雪井和赵新泉[10](2017)认为大数据时代的到来,金融数据量激增,金融大数据的复杂性促使量化投资人才要具有更强的数据整理、分析能力和更高的综合素质。因此,应用型高校投资人才培养必须足够重视量化课程体系建设[11],从而使投资专业人才培养和社会需求产生衔接,加强师资力量建设、教材建设,完善教学内容、改进教学方法,优化大数据时代的量化投资人才培养模式。

二、大数据时代量化投资人才需求特征与培养现状分析

量化投资的精髓在于量化,量化投资建立在经典投资学理论基础之上,结合投资学、金融工程、行为金融学的内容,借助统计、建模的方法,帮助投资人士进行市场分析,尽可能3消除人的主观情绪影响,使投资模型化、规则化、变量化、客观化。量化投资起源于国外,目前在国外发展的较为系统、完善,我国由于证券市场起步较晚,量化投资萌芽于2006年前后,目前仍处于探索发展时期,但结合大数据环境下信息爆炸式增长的时代特点,高校培育的投资人才只有具备成熟的信息挖掘能力,能够运用量化投资进行策略研究,不断学习和探索,才能更有效应对市场变化[12]。目前我国大多数投资者仍然在运用传统投资方式即价值投资和技术投资进行市场分析,但在大数据高速更迭的信息环境下,传统投资方式的影响和效用将日渐式微,培养金融人才的量化投资能力迫在眉睫[13]。成熟的量化投资方法将大大提高市场效率,未来市场对量化投资人才的需求巨大,因此,要深入分析业界对量化投资人才的需求特征,结合当前高校量化投资人才培养中存在的主要问题,不断提升量化投资人才培养质量。(一)业界对量化投资人才的需求特征。1.扎实的投资学理论功底。传统投资学教材中的理念、模型、方法是现代量化投资学的理论基础,是其“本”,合格的量化投资人才应当具备扎实、深厚的理论功底,内容不囿于投资学,还包括金融学、金融工程学等理论知识。量化投资最重要的运用便是通过分析得出投资策略,按照此策略在市场中进行投资,常见的投资策略有无风险套利策略、期权套利策略、可转债套利策略、全球宏观策略、事件驱动策略等。策略的构建过程包括量化信号选择分析、投资策略构建、回测检验、交易技巧、风险控制等,这些内容都需要投资人才具备优秀的专业素养,没有扎实的理论基础无法构建出稳健、经得住市场考验的投资策略。2.数据挖掘获取能力。金融市场上实时更新的高频行情数据对投资人才的数据获取能力有着较高的要求,尤其处于大数据时代背景下,行情和相关证券分析的信息呈现几何增长态势。业界需要具有极强获取、筛选数据中关键信息的量化投资人才,能借助互联网、云计算、区块链等新兴信息技术,将网络中纷繁复杂的数据快速分类整理,提高信息处理的效率。3.完备的统计学、数据建模、算法编程能力量化投资的特点是借助建模、编程的方法,运用MATLAB、R、Python等软件进行量化择时、量化选股、建立投资策略并进行回测,其工作效率远高于人工操作,且机器操作排除了不理智的操作可能性,决策结果更加客观,避免了盲目跟风等决策方式。国外的部分交易所,机器交易的数量远高于人工业务员,我国虽处于起步阶段,但大趋势已然形成,高校应当竭力培养优秀的量化投资人才,主动学习统计学、数学建模、编程等与大数据息息相关的新技4术。上述三点只是对大数据时代来临之际量化投资人才应当具备的主要素质加以概括,但一个优秀的量化投资人才需要有着宽阔的思维,发展的眼光,从更宏观更全面的角度看待整个市场,才能发现市场的潜力和投资的机遇。高校应当着力培养集理论功底、实践能力、优秀心理素质、长远眼光为一体的优质高复合型综合素质人才。(二)当前高校培养量化投资人才存在的主要问题。1.量化投资课程专业性不足。量化投资是大数据时代背景下投资学发展的必然趋势,国外的量化投资技术已发展的较为成熟,我国的量化投资方式由于起步晚,目前仍处在人才培育以备发力的状态,市场上处于主流地位的仍是传统的投资方法。大部分地方高校并没有充分重视量化投资,只有少部分财经院校开设了相应课程并加以培训,导致金融投资类专业学生对量化投资只有一个模糊的概念。由于量化投资更多地表现为一种方法,受众有限,并且未经大面积的普及,大多数高校都没有专业性的教材,通常将量化投资作为案例介绍,很难让学生有深入学习的参考资料来源,要推进量化投资专业建设,应当尽快编写优质的相关教材和参考书供学生学习参考。2.数据处理类基础课程开设不充分。量化投资是一种投资方法的创新,需要理论基础和实践的充分结合,掌握方法至关重要,量化投资专业学生需要具备熟练使用各类软件如R、Python进行分析的能力,统计学、建模、计算机编程等是不可缺少的基本技能基础,而当前大多财经专业的学生只具备专业知识,无法运用在真实市场之中。高校需要提高投资专业学生的数理分析能力,注重培养“跨界思维”,做到所学知识的融会贯通。当前高校并无一套完备的量化投资课程体系,无法着力于量化投资人才的高效、优质培养。3.融合投资大数据技术的专业师资力量不足。教师是学生和前沿科学文化之间的引路者,教师的教学能力水平对学生而言至关重要,然而大多数高校的投资学相关专业教师是在传统教育体系下培养的经济管理类学科背景,缺乏学数据时代下的新技术的知识基础,造成教师量化投资课程教学能力提升缓慢。因此,应足够重视量化投资课程的师资力量培养,鼓励相关专业的教师主动学习,组织培训,与证券交易所、投资银行等形成平台合作,提高教师的教学水平,再由教师引领和激发专业学生主动学习。4.实践类课程创新性不足。5量化投资只有理论与实践有效融合才能真正掌握,然而实践能力缺失是当前大学生面临的严峻现实。大多高校组织的实践课程主要是模拟试验平台的形式,让学生了解银行、证券、保险公司等金融机构的工作方式和大致内容,缺乏真正的实践和操作。高校应当加强与实体金融机构的合作,研发出适合投资专业学生实践的平台,掌握量化投资的实务性操作,才能培养出集实验教学与科研活动为一体的创新型高素质量化人才。

三、量化投资人才培养模式创新——以安徽财经大学为例

(一)“跨界思维”的量化投资课程体系优化。大数据、互联网环境下,国际和国内市场对投资人才的素质和能力提出了更高的要求,不仅要求人才具有更宏观的视野、扎实投资理论基础,而且要有收集数据、分析数据、应用数据、挖掘数据的能力。因此,相应的课程体系要不断优化,突出投资与数学、计算机、计量经济学、心理学等学科的交叉融合,突出传统投资业务知识与跨界知识的融合,增强学生甄别信息、分析信息和综合应用信息的能力。契合大数据时资人才应兼具投资业务、信息技术和数据挖掘等多种知识技能和创新能力的需求特征,适应投资人才“工科化”趋势,量化投资人才培养应遵循“分层教学、分类培养、分流发展”的“三分”理念,强化数据处理、投资程序化的能力培养,积极进行“跨界思维”的投资课程体系优化,突出投资与数学、计算机、计量经济学、心理学等学科的交叉融合,突出传统投资业务知识与跨界通识知识的融合,增强学生甄别信息、分析信息和综合应用信息的能力。同时辅以各种通识平台的课程如管理学、社会学、心理学来增强学生的通识知识,培养具有“跨界思维”、长远投资眼光的量化投资人才。同时增加学科竞赛、创新创业等学分占比;增设升学深造、执业资格考证等选择性学分,实施卓越人才培养计划,组建FRM方向班、CFA方向班,推进分类培养。(二)加强校企合作共建,探索协同育人模式。为呼应“高教四十条”中“加强实践育人平台建设”的意见,我校大幅度提高实践教学比重,构建与理论教学紧密衔接、特色鲜明的“五五四”实践教学体系。与各类金融投资机构合作,积极探索校企协同育人新模式,目前,我校量化投资人才培养过程中,分别通过与国泰安共建量化投资实验室、与融都科技合作共建金融科技核心课教学团队、与锐思合作开发量化投资课程、与国元证券合作共推安徽省金融投资创新大赛等系列校企合作项目,深入探索协同育人新模式。通过与教育合作组建CFA实验班、FRM实验班,培养方案内置CFA、FRM考试核心课程,拓展学生国际化视野,提升学生就业竞争力。(三)依托学科竞赛平台,提升创新实践能力着力。推进“以赛促学、以赛促教”教学模式,依托安徽省大学生金融投资创新大赛、东方财富杯股票投资大赛等专业竞赛平台,组织量化投资方向学生与教师团队全员参与,鼓励学生探索金融投资技术和方法创新,实践金融投资分析和决策方法。学生通过竞赛过程,反思专业课程学习中的不足,不断改善学习方法,提升专业能力,达到“以赛促学”的效果。通过指导团队参赛,要求教师提升专业技能,注重学生创新能力和团队协作能力培养,通过竞赛结果总结课程教学中存在的不足,提升教学水平,达到“以赛促教”效果,有效促进了金融投资创新人才培养。同时,为鼓励学生积极参加专业竞赛,我校在培养专门设计竞赛学分模块,出台《安徽财经大学学科竞赛类学分认定指南》,要求学生完成10个竞赛类学分,以此推动学生创新创业能力的培养。(四)打造特色品牌课程,提高专业综合素养。积极推动优质课程资源开发和有效利用,淘汰“水课”,打造“金课”,有效提升课程的高阶性、创新性、挑战性。我校与公司合作,联合开发经济类跨专业综合实验课。该课程由我校投资学专业教师团队提供设计思路,浙江核心科技信息股份有限公司提供数据与技术支持,联合开发的我校拥有部分知识产权的全新实验课程教学系统。该课程以家庭在金融市场上进行资产组合配置为核心线索,通过对金融资产投资的风险与收益的有效配置,让学生在课程的学习中,运用所学的专业知识,掌握金融投资的原理,学会管控风险,科学配置资产。该课程开设有效提升了学生投资决策能力,在专业学科竞赛中取得明显成效。大数据给金融投资行业带去了冲击和机遇,高校作为人才进入社会极其重要的一环,要通过专业所处位置、与大数据之间的联系积极创新,提高人才培养质量。本文分析了大数据环境下业界对量化投资人才的需求特征,我校在培养方式上存在的问题以及可行的创新之处,总之在新的时代背景之下,高校应勇于创新和探索,培养出具有扎实理论基础和创新思维能力的高素质量化投资人才。

作者:舒家先 易苗苗 唐璟宜 单位:安徽财经大学